Unidad 4 · Nivel 3 · Síntesis
Espejismos de datos
Los datos on-chain parecen objetivos. Al fin y al cabo, es un libro contable público. Pero los espejismos abundan. Las métricas se testean sobre las monedas que sobrevivieron, no sobre las miles que murieron. La actividad salta a otras cadenas y L2s, haciendo que la cadena que miras parezca tranquila mientras el ecosistema explota. Y se estima que 3-4 millones de BTC están perdidos para siempre, inflando en silencio cada métrica basada en la oferta. El libro contable es honesto; sus interpretaciones no lo son automáticamente.
Gratis. Sin anuncios, sin token y sin cuenta para empezar.
Lo que te preguntamos
¿Qué es el sesgo de supervivencia en el análisis on-chain?
'Los suelos de MVRV siempre se recuperaron' es cierto para bitcoin, y no significa nada para las miles de altcoins muertas cuyas métricas también parecían 'baratas' durante todo el camino a cero.
La actividad en la mainnet de Ethereum parece plana, pero millones de usuarios migraron a sus redes L2. ¿Qué espejismo es este?
Después de 2021, volúmenes enormes se movieron a L2s y otras cadenas. Mirar la actividad bruta de una sola cadena es como juzgar la economía de una ciudad por una sola calle.
Une cada espejismo de datos con su distorsión
Cuatro maneras en que un libro contable perfectamente honesto produce una conclusión deshonesta. Los datos no mienten; el marco que los rodea sí.
Se cree que unos 3-4 millones de BTC están permanentemente ___, así que la oferta líquida real es menor de lo que asumen las métricas.
Monedas tempranas con llaves perdidas (incluido el intacto botín de ~1M BTC de Satoshi) aparecen en cada estadística de oferta aunque estén económicamente muertas.
Dados todos estos espejismos, la mejor postura de trabajo frente a las métricas on-chain es…
Las transacciones son hechos; 'lo que significan' es un modelo construido por humanos con supuestos. Mantén la humildad entre esas dos capas. 🐜
El resto de esta unidad
Combina flujos, valoración y apalancamiento en una sola tesis honesta, y sabe cuándo desconfiar de ella.